基于自适应反步法的轮式移动机器人跟踪控制

轮式移动机器人是一种典型的非完整约束系统.基于反步法提出一种自适应扩展控制器,对含有未知参数的非完整轮式移动机器人动力学系统进行轨迹跟踪控制并且Lyapunov稳定性理论保证跟踪误差渐近收敛到零.为了克服速度跳变产生滑动,加入了神经动力学模型对控制器进行改进.以两驱动轮移动机器人为例,利用运动学自适应控制器设计出转矩控制器,有效解决了不确定非完整轮式移动机器人动力学系统的轨迹跟踪问题.仿真结果证明该方法的正确性和有效性.     

基于神经网络的不确定移动机器人鲁棒自适应跟踪控制

针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function(径向基函数)神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.     

滑动与打滑条件下的轮式移动机器人自抗扰跟踪控制

针对具有未知的滑动与打滑的轮式移动机器人(WMR),提出了一种基于自抗扰思想的跟踪控制策略.首先建立了滑动与打滑条件下的轮式移动机器人动力学模型.其次,由反步法设计运动学控制器,基于模型设计线性扩张观测器和动力学控制器,并给出了控制器稳定性分析.最后与积分滑模控制进行了仿真对比,结果表明该控制方法的误差收敛速度更快.观测器能够精确估计滑动与打滑及动力学不确定性对机器人的扰动,提高了轮式移动机器人轨迹跟踪的鲁棒性.     

农业轮式移动机器人反演自适应滑模轨迹跟踪控制

为提高农业轮式移动机器人路径跟踪控制的鲁棒性,提出一种基于农业轮式移动机器人反演自适应滑模控制策略。运用反演控制设计其运动学控制律,保证位置跟踪误差渐进收敛到零;根据动力学模型,设计自适应滑模动力学控制律,实现农业轮式移动机器人左右轮平稳的运行;运用李雅普诺夫定理保证闭环系统的最终一致稳定性。仿真实验验证了该方法的有效性和优越性,能够实现正弦型曲线路径跟踪。     

滑动及侧滑影响下的移动机器人轨迹跟踪控制

对受滑动及侧滑影响的移动机器人轨迹跟踪控制问题进行研究。在动力学部分,通过模糊系统逼近系统中的未知非线性,H_∞控制对滑动和侧滑干扰因素的补偿,利用Lyapunov函数推导出模糊参数的自适应律,设计出基于动力学的自适应模糊控制器。在运动学部分,设计逆运动学控制器,处理移动机器人实际位置与期望位置的误差,得到移动机器人运动的期望速度。将逆运动学控制器与自适应模糊控制器级联,并通过Lyapunov方法证明控制系统的稳定性。与自适应动力学控制器进行比较。仿真结果表明:在滑动及侧滑的影响下提出的策略具有较好的轨迹跟踪性能。     

具有参数不确定性的轮式移动机器人自适应backstepping控制

针对参数不确定的轮式移动机器人的轨迹跟踪问题,设计自适应跟踪控制器.基于移动机器人的动力学模型,采用backstepping积分方法,通过逐步递推选择适当的Lyapunov函数,设计基于状态反馈的自适应控制器,并进行了相应的稳定性分析.与传统PID控制进行仿真对比,结果表明提出的自适应控制策略能较好地补偿系统参数摄动的影响,提高了移动机器人的轨迹跟踪性能和鲁棒性.     

移动机器人滑动参数定界及鲁棒镇定控制

本文针对带运动学参数不确定性的野外轮式移动机器人模型的在线辨识、定界和点镇定控制问题展开了研究.考虑了移动机器人二维平面运动过程中所存在的滑动效应和自身几何参数未知等不确定性,并将其建模为运动学模型中所包含的未知时变参数.通过引入基于有界误差假设的非线性集员滤波方法,对移动机器人运动学模型中存在的不确定性参数进行了辨识和定界.在此基础上结合backstepping控制思想和Lyapunov分析方法解决了移动机器人的鲁棒镇定问题,在存在滑动参数干扰的情况下实现了移动机器人的全局指数收敛点镇定控制,提高了整体控制系统的稳定性和鲁棒性.仿真结果证明了本方法的有效性和鲁棒性.     

含未标定摄像机参数的非完整移动机器人的自适应动力学跟踪控制

结合一类非完整移动机器人的运动学模型和链式转换,在质心与几何中心重合的情况下,研究含有未知参量的非完整移动机器人的跟踪控制问题.首先,利用针孔摄像机模型提出一种基于视觉伺服的运动学跟踪误差模型;然后在此模型下,将动态反馈、Back-stepping技巧与自适应控制相结合,设计一个区别于以往处理方法、含有两个动态反馈的自适应跟踪控制器,从而实现动力学系统的全局渐近轨迹跟踪,并通过李亚普诺夫方法严格证明闭环系统的稳定性和估计参数的有界性;最后,利用Matlab仿真验证所提出的控制器的有效性.     

轮式移动机器人固定时间轨迹跟踪控制

针对存在外部干扰的轮式移动机器人轨迹跟踪控制问题,提出一种固定时间轨迹跟踪控制方案.首先,对于轮式移动机器人的运动学误差模型,基于一种新颖的积分滑模面设计固定时间运动学速度控制器,使跟踪误差在固定时间收敛到原点所在的邻域内;其次,对于轮式移动机器人的动力学模型,设计固定时间干扰观测器对外部干扰信息进行估计,提出一种固定时间轨迹跟踪控制器,以确保动力学系统的固定时间稳定性,实现轮式移动机器人的高精度轨迹跟踪控制;最后,通过仿真结果验证所设计的轨迹跟踪控制方案的有效性.     

非完整移动机器人轨迹跟踪自适应控制器设计

针对轮式移动机器人的非完整运动学模型,将自适应反演控制技术和李亚普诺夫稳定性理论应用于机器人轨迹跟踪控制,设计了具有全局渐近稳定性的自适应轨迹跟踪控制器,并在Matlab环境下实现了移动机器人对直线和椭圆2种轨迹追踪的仿真实验.实验表明:该控制方法在轨迹跟踪控制中有较好的航向跟踪效果,对机器人非完整系统模型的非线性特性...     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

一种基于混合学习策略的移动机器人路径规划方法

针对未知环境下移动机器人路径规划问题,以操作条件反射学习机制为基础,根据模糊推理系统和学习自动机的原理,提出一种应用于移动机器人导航的混合学习策略.运用仿生的自组织学习方法,通过不断与外界未知环境交互从而使机器人具有自学习和自适应的功能.仿真结果表明,该方法能使机器人学会避障和目标导航任务,与传统的人工势场法相比,能有效地克服局部极小和振荡情况.     

从机器人输出反馈自适应神经控制中学习

针对系统参数完全未知且仅输出可测的机器人,使用径向基函数(RBF)神经网络和高增益观测器设计了一种自适应神经控制算法.该算法不仅实现了闭环系统所有信号的最终一致有界,而且沿周期跟踪轨迹实现了对未知闭环系统动态的确定学习.学过的知识可用来改进系统的控制性能,也可应用于后续相同或相似的控制任务以节约时间和能量.仿真研究表明了所设计的控制算法的正确性和有效性.     

一类严反馈非线性系统的神经网络控制

研究一类不确定严反馈非线性系统的跟踪控制问题.通过采用单一神经网络逼近系统的所有未知部分,提出一种新的鲁棒自适应控制设计方法.该方法能直接给出实际控制律和自适应律,有效地解决现有方法中存在的控制设计复杂和计算负担重等问题.稳定性分析表明,闭环系统所有信号是半全局一致最终有界的,并且通过调整控制参数可使跟踪误差任意小.仿真结果验证了所提出方法的有效性.     

非完整移动机器人群体的优化蜂拥控制

考虑到非完整移动机器人群体蜂拥运动过程中保持位置拓扑全局连通的性能,提出一类基于局部信息交互的优化蜂拥控制算法.利用趋向局部最小外接圆圆心位置的控制方式维持群体位置拓扑在运动过程中的全局连通性,保证群体位置的聚合;结合角度控制和贝塞尔曲线规划个体的运动路径,在路径长度阈值的限定下,通过粒子群算法求取个体的优化目标方向角,保障群体运动方向的匹配;最后给出了可行的避碰方案.     

含有参数化和非参数化不确定性系统重复学习控制

针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

自行车机器人系统的稳定滑模控制

基于拉格朗日方法建立自行车机器人动力学模型,针对自行车机器人这一非线性欠驱动系统,利用稳定滑模控制算法实现系统的稳定.该方法首先从各个子系统中取出一个变量组合成一个中间变量;然后从该中间变量出发构造滑模函数,从滑模控制器设计的角度求取控制量,保证中间变量在有限时间内收敛到平衡点,从而保证系统状态收敛到收敛域内.该方法能够保证自行车机器人系统的稳定性,并在仿真实验中得到了验证.     

移动机器人路径规划技术综述

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向.     

操作条件反射学习自动机及其在机器人平衡控制中的应用

针对两轮机器人的平衡控制问题,在学习自动机理论的框架中,提出一种基于操作条件反射学习自动机的仿生学习模型.该模型引入认知学习单元和取向单元,分别用来实现操作行为学习和指导系统进化的方向.模拟两轮自平衡机器人的平衡控制仿真实验表明,该学习模型具有可行性和有效性,能使机器人自主学会平衡控制技能,并使其具有高度的自适应能力.